Ottimizzazione dei Processi ETL attraverso l’utilizzo di Intelligenza Artificiale Generativa

Il presente lavoro di tesi propone un approccio innovativo all’automazione dei processi ETL (Extract, Transform, Load) attraverso l’applicazione di intelligenza artificiale ge- nerativa. Dopo un’approfondita introduzione ai concetti fondamentali dei processi ETL, analizzando l’importanza della qualità del dato, l’attenzione si sposta su un progetto specifico volto a migliorare l’efficienza degli analisti dati, in particolare nell’ambiente Power BI. Il nucleo del progetto si basa sull’utilizzo di tecniche di machine learning, reti neurali ed elaborazione del linguaggio naturale (sfruttando tecniche di prompt engineering). L’obiettivo principale consiste nel facilitare la generazione semi-automatica di entità , dette misure, in Power BI da parte degli analisti dati, sfruttando la potenza dell’IA per assistere il processo decisionale. La tesi fornisce una dettagliata esposizione delle metodologie utilizzate. Inoltre, viene fornita un’analisi critica dei risultati ottenuti, evidenziando le sfide incontrate durante l’implementazione e le potenzialità di miglioramento per il futuro. La ricerca sottolinea l’importanza di integrare l’IA nei processi analitici, contribuendo significativamente allo sviluppo di soluzioni intelligenti per la gestione e l’analisi dei dati aziendali.